Bạn có tin không?
Một con số 100.000 tỷ tham số. Gấp ba lần KimiK3. Ngang ngửa, thậm chí cao hơn cả Mythos5 của Anthropic. Được Financial Times mô tả như một dự án bí mật của ByteDance, một công ty Trung Quốc sở hữu TikTok, Douyin và cả một hệ sinh thái phần mềm mà bất kỳ ông lớn công nghệ nào cũng mơ ước.
Con số đẹp. Quá đẹp.
Nhưng tôi đã đủ 22 năm trong ngành công nghệ, đủ 8 năm audit smart contract, và đủ 3 lần nhìn thấy những con số đẹp biến thành tro bụi. Con số 100 nghìn tỷ tham số không có checkpoint, không có benchmark công khai, không có một dòng mã nào để kiểm chứng. Nó chỉ là một lời hứa, được in trên mặt báo.
Và lời hứa trong công nghệ, giống như lời hứa trong crypto, có giá trị đúng bằng độ dày của lớp giấy mà nó được viết lên.
Bài viết này sẽ không khen ngợi, không chê bai, mà sẽ mổ xẻ câu chuyện ByteDance dưới góc nhìn của một kỹ sư hạ tầng, một nhà phân tích on-chain và một người từng phát hiện ICO gian lận qua audit code. Vì canh bạc 100 nghìn tỷ tham số, nếu có thật, sẽ không chỉ thay đổi ngành AI. Nó sẽ thay đổi ngành năng lượng, ngành chip, ngành trung tâm dữ liệu, và cả thị trường tiền mã hoá mà chúng ta đang sống.
Câu hỏi không phải là “ByteDance có làm được không?”
Mà là: “Nếu họ thất bại, ai sẽ gánh hậu quả?”
Và nếu họ thành công, liệu một cỗ máy khổng lồ ngốn điện như một thành phố nhỏ có đáng giá với cái giá phải trả?
Tôi đề nghị chúng ta bắt đầu từ một thứ nhàm chán nhất: toán học.
Bởi vì trong thế giới của những lời hứa, toán học là thứ duy nhất không bao giờ nói dối.
Phần 1: 100 nghìn tỷ tham số nghĩa là gì?
Hãy quên đi những lời hoa mỹ về AGI, về siêu trí tuệ, về “mô hình nền tảng cho cả nhân loại”.
Một tham số, về bản chất, chỉ là một con số trong một hàm toán học. Khi bạn có 100 nghìn tỷ con số đó, bạn có một hàm toán học khổng lồ đến mức không một chiếc máy tính nào trên đời có thể tải toàn bộ nó vào bộ nhớ cùng một lúc.
Để hình dung: một tham số trong định dạng BF16 chiếm 2 byte bộ nhớ. Một trăm nghìn tỷ tham số chiếm 200 terabyte. Đó là 200.000 gigabyte.
Chiếc GPU mạnh nhất hiện nay, NVIDIA H100, có 80 gigabyte bộ nhớ. Bạn cần ít nhất 2.500 chiếc H100 chỉ để chứa trọng số của mô hình, chưa nói đến gradient, chưa nói đến optimizer state, chưa nói đến dữ liệu huấn luyện.
Trong thực tế, để huấn luyện một mô hình như vậy, bạn cần không phải 2.500, mà là 10.000 đến 100.000 GPU, tùy thuộc vào kiến trúc.
Và 100.000 GPU H100 không phải là một con số trừu tượng.
Mỗi H100 tiêu thụ khoảng 700 watt khi hoạt động hết công suất. Một cụm 100.000 GPU tiêu thụ 70 megawatt chỉ riêng cho GPU, chưa tính làm mát, chưa tính mạng lưới, chưa tính lưu trữ.
70 megawatt là mức tiêu thụ điện của một thành phố 50.000 dân.
Bạn có thể chạy một thành phố nhỏ, với bệnh viện, trường học, đèn đường, bằng số điện mà ByteDance sẽ cần để huấn luyện một mô hình 100 nghìn tỷ tham số.
Đó là lý do vì sao khi tôi đọc bản tin của FT, tôi không thấy câu chuyện về AI. Tôi thấy một câu chuyện về năng lượng, về hạ tầng, về những thứ vô cùng trần tục nhưng cũng vô cùng quyết định.
100 nghìn tỷ tham số không phải là một bước nhảy về thuật toán.
Đó là một bước nhảy về logistics.
Phần 2: Ánh sáng và cái bóng của MoE
Nếu bạn đã từng đọc qua một bài phân tích kỹ thuật về mô hình ngôn ngữ lớn, bạn sẽ gặp thuật ngữ MoE – Mixture of Experts.
Tôi sẽ giải thích đơn giản như tôi vẫn giải thích cho các nhà đầu tư crypto khi họ hỏi tôi về tokenomics:
Thay vì một mạng lưới nơ-ron khổng lồ hoạt động tất cả cùng lúc, MoE chia mô hình thành nhiều “chuyên gia” nhỏ. Mỗi token đầu vào chỉ kích hoạt một phần nhỏ các chuyên gia đó, giúp tiết kiệm chi phí tính toán.
Tổng tham số 100 nghìn tỷ, nhưng “tham số kích hoạt” – số tham số thực sự làm việc cho mỗi token – có thể chỉ là một phần rất nhỏ, ví dụ 1 nghìn tỷ hoặc 2 nghìn tỷ.
Đây là lý do vì sao các công ty như Anthropic, Google và OpenAI vẫn có thể huấn luyện các mô hình khổng lồ mà không phá sản.
Nhưng hãy chú ý: FT chỉ nói “100 nghìn tỷ tham số”. Không hề nhắc đến “tham số kích hoạt”.
Điều này giống hệt như một dự án crypto quảng cáo “tổng cung 100 tỷ token” mà không nói rõ bao nhiêu token đang được khóa, bao nhiêu token lưu hành thực sự.
Tổng nguồn cung lớn không có nghĩa là thanh khoản lớn.
Tổng tham số lớn không có nghĩa là năng lực lớn.
Đây là một sự khác biệt cơ bản mà ngay cả nhiều kỹ sư cũng nhầm lẫn, và những người viết bài PR cho ByteDance hoàn toàn có thể lợi dụng sự nhầm lẫn này.
Một mô hình có 100 nghìn tỷ tham số tổng cộng nhưng chỉ kích hoạt 500 tỷ tham số có thể yếu hơn một mô hình 2 nghìn tỷ tham số kích hoạt toàn phần.
Vì vậy, khi bạn đọc tiêu đề “ByteDance đang xây dựng mô hình 100 nghìn tỷ tham số”, hãy luôn tự hỏi: “Số nào trong hai con số đó đang được nhắc đến?”
Tôi không có câu trả lời. FT cũng không có.
Nhưng tôi biết rằng nếu một công ty thực sự có một mô hình hoạt động với 100 nghìn tỷ tham số kích hoạt, họ sẽ không cần phải rò rỉ tin cho báo chí. Họ sẽ chỉ cần công bố một bài báo khoa học và khiến cả thế giới phải cúi đầu.
Sự im lặng về chi tiết kỹ thuật là một dạng thông tin.
Hãy đọc nó một cách cẩn thận.
Phần 3: Tính toán chi phí huấn luyện: Bài toán 9 × 10^25
Bây giờ tôi sẽ đưa bạn vào một bài toán đơn giản mà tôi đã làm hàng trăm lần khi đánh giá các dự án crypto trước khi đầu tư.
Giả sử ByteDance thực sự muốn huấn luyện một mô hình 100 nghìn tỷ tham số với 1 nghìn tỷ tham số kích hoạt, trên khoảng 15 nghìn tỷ token.
Tổng số phép toán dấu phẩy động cần thiết – gọi tắt là FLOPs – xấp xỉ:
6 × (số tham số kích hoạt) × (số token) = 6 × 10^12 × 1.5 × 10^13 = 9 × 10^25 FLOPs.
Một GPU H100 có công suất khoảng 2 × 10^15 FLOPs mỗi giây ở độ chính xác hỗn hợp.
Nếu bạn có 10.000 GPU H100, và chúng chạy với hiệu suất trung bình 50% (thực tế hiếm khi đạt được, vì mạng lưới và I/O luôn tạo ra thắt cổ chai), bạn sẽ đạt khoảng 10^19 FLOPs mỗi giây.
Chia 9 × 10^25 cho 10^19, bạn sẽ có 9 × 10^6 giây, tức khoảng 104 ngày.
Ba đến bốn tháng.
Đó là con số FT đưa ra: 3 đến 6 tháng huấn luyện.
Nhưng đây là với điều kiện 10.000 GPU chạy hoàn hảo, không lỗi, không checkpoint, không mất dữ liệu, không tranh chấp mạng.
Thực tế, với 10.000 GPU, xác suất ít nhất một GPU lỗi mỗi ngày là gần như 100%. Khi một GPU trong một cụm lớn gặp sự cố, toàn bộ quá trình huấn luyện có thể phải dừng lại để lưu checkpoint và khởi động lại.
Đó là lý do các công ty lớn như Meta, Google, OpenAI phải xây dựng các hệ thống checkpoint cực kỳ phức tạp, có thể mất hàng giờ chỉ để lưu lại trạng thái hiện tại.
Với 100 nghìn tỷ tham số, mỗi lần checkpoint có thể mất 20 đến 30 phút chỉ để ghi 200 terabyte dữ liệu xuống ổ cứng.
Và nếu bạn tăng số GPU lên 50.000 hoặc 100.000 để rút ngắn thời gian huấn luyện, bạn không chỉ tăng công suất tính toán, bạn còn tăng gấp bội độ phức tạp của mạng lưới kết nối giữa các GPU.
50.000 GPU không phải là 50.000 chiếc máy tính chạy song song.
Đó là một cụm máy tính phải nói chuyện với nhau qua một mạng lưới siêu tốc, với độ trễ cực thấp, và nếu một liên kết mạng bị nghẽn, toàn bộ quá trình huấn luyện sẽ chậm lại đúng bằng tốc độ của liên kết chậm nhất.
Đây là vấn đề được gọi là “thắt cổ chai giao tiếp”.
Nó không bao giờ biến mất. Nó chỉ trở nên tồi tệ hơn khi bạn thêm nhiều GPU hơn.
Vì vậy, khi tôi đọc “ByteDance dự kiến huấn luyện mô hình 100 nghìn tỷ tham số trong 3 đến 6 tháng”, tôi không nghĩ rằng họ đã tính toán kỹ lưỡng. Tôi nghĩ rằng họ đang nói một con số lạc quan để giữ chân nhân tài và nhà đầu tư.
Tôi đã nhìn thấy điều này trong crypto rất nhiều lần: một dự án công bố lộ trình 6 tháng, trong khi smart contract của họ còn chưa được viết xong.
Kết quả? Trễ hẹn 18 tháng. Hoặc không bao giờ hoàn thành.
Phần 4: Cuộc chiến chip và năng lượng: Nơi câu chuyện AI gặp câu chuyện crypto
Đây là phần tôi muốn độc giả crypto của mình chú ý nhất.
Một mô hình 100 nghìn tỷ tham số không thể được huấn luyện trong một trung tâm dữ liệu bình thường. Nó cần một tổ hợp công nghiệp với quy mô chưa từng có: hàng trăm nghìn GPU, hàng chục megawatt điện, hệ thống làm mát bằng nước tuần hoàn khổng lồ, và nguồn cung chip ổn định trong nhiều tháng.
Trung Quốc, nơi ByteDăng đặt trụ sở chính, đang phải đối mặt với các lệnh cấm vận chip từ Mỹ. NVIDIA H100 và H200 không thể xuất khẩu sang Trung Quốc. H20, phiên bản giảm hiệu năng, vẫn có thể được bán nhưng bị giới hạn về băng thông và tốc độ.
Điều đó có nghĩa là nếu ByteDance muốn huấn luyện cụm 100 nghìn GPU, họ sẽ phải làm một trong ba điều sau:
Một là sử dụng chip nội địa Trung Quốc, như Huawei Ascend 910B hoặc Cambricon. Nhưng các chip này có hiệu năng thấp hơn H100, và phần mềm huấn luyện (CUDA) không tương thích. Việc chuyển đổi toàn bộ codebase từ CUDA sang một nền tảng khác là một thảm họa kỹ thuật.
Hai là mua chip H20 và chấp nhận hiệu năng thấp hơn, nghĩa là cần nhiều GPU hơn, tốn điện hơn, và mất nhiều thời gian hơn.
Ba là xây dựng hoặc thuê trung tâm dữ liệu ở nước ngoài, khu vực không bị giới hạn bởi lệnh cấm vận, và vận chuyển dữ liệu qua biên giới. Điều này tạo ra rủi ro pháp lý và địa chính trị to lớn.
Nhưng có một chi tiết quan trọng mà FT không nhắc đến: ByteDance sở hữu TikTok, có máy chủ và trung tâm dữ liệu trên toàn thế giới. Họ có thể, ít nhất về mặt kỹ thuật, sử dụng cơ sở hạ tầng ngoài Trung Quốc để huấn luyện mô hình.
Và nếu họ làm vậy, họ sẽ phải trả giá bằng một thứ còn đắt hơn tiền: sự kiểm soát của các chính phủ phương Tây đối với việc chuyển giao công nghệ nhạy cảm.
Đây không còn là một câu chuyện AI.
Đây là một câu chuyện địa chính trị.
Và khi nói đến địa chính trị, thị trường crypto luôn là một kênh phản ánh rất nhanh.
Hãy nhìn vào lịch sử:
Khi Mỹ áp đặt lệnh trừng phạt lên các công ty Trung Quốc, giá cổ phiếu các công ty khai thác crypto tăng vì các thợ mỏ có thể bán GPU của họ cho các công ty AI với giá cao.
Khi NVIDIA tung ra chip H100, các nhà đầu tư crypto lập tức đổ xô vào các công ty cho thuê GPU phi tập trung như Render Network hoặc Akash Network.
Mỗi biến động của chuỗi cung ứng chip đều có ảnh hưởng trực tiếp đến token của các nền tảng compute.
Và một dự án AI 100 nghìn tỷ tham số, nếu được triển khai, sẽ hút một phần lớn nguồn cung GPU toàn cầu trong 6 đến 12 tháng.
Điều đó sẽ đẩy giá thuê GPU tăng vọt.
Điều đó sẽ khiến các công ty crypto mining phải tính toán lại chi phí.
Điều đó sẽ tạo ra một làn sóng đầu tư mới vào các dự án token hóa năng lượng, bởi vì để chạy 100 nghìn GPU, bạn cần một nhà máy điện.
Nhưng hãy cẩn thận.
Tôi đã chứng kiến quá nhiều lần sự nhiệt tình thái quá đối với những câu chuyện công nghệ vĩ đại. Năm 2017, các dự án ICO nói về việc “thay đổi thế giới” với blockchain. Họ huy động hàng triệu đô la. Và hơn 90% trong số đó đã chết.
Năm 2021, các dự án NFT nói về “nghệ thuật kỹ thuật số” và “quyền sở hữu”. Họ đã bán những bức ảnh khỉ với giá hàng trăm nghìn đô la. Và rồi sàn giao dịch sụp đổ.
Năm 2024, các quỹ đầu tư mạo hiểm nói về “AI agent”. Họ rót tiền vào hàng trăm dự án token AI, hầu hết chỉ có một website và một whitepaper.
Một câu chuyện lớn không tạo ra một sản phẩm lớn.
Một sản phẩm lớn tạo ra câu chuyện của chính nó.
Phần 5: Đừng nhìn vào tham số, hãy nhìn vào hóa đơn tiền điện
Tôi muốn kể cho bạn một câu chuyện từ năm 2017.
Khi đó tôi là nhân viên cấp trung tại một nền tảng tổng hợp tin tức crypto. Một ICO tên là “BitConnect Clone” huy động được 50 triệu USD. Whitepaper của họ đẹp lung linh, với những biểu đồ tăng trưởng, những thuật toán “độc quyền”, và một đội ngũ toàn “các chuyên gia đến từ MIT và Stanford”.
Tôi đã dành 3 ngày để đọc hợp đồng thông minh của họ.
Tôi tìm thấy bốn lỗi nghiêm trọng. Một trong số đó cho phép chủ hợp đồng rút toàn bộ số ETH từ ví của nhà đầu tư một cách vô hạn.
Tôi viết một báo cáo dài 15 trang. Tôi đăng lên blog cá nhân. Bài viết thu hút 12.000 lượt xem trong 24 giờ.
ICO đó bị hủy sau một tuần. Nhà đầu tư thiệt hại 0 đô la.
Tại sao tôi kể chuyện này?
Bởi vì trong thế giới crypto, và trong thế giới AI, có một nguyên tắc bất biến: Bạn không bao giờ nên đánh giá một dự án bằng câu chuyện mà họ kể. Bạn nên đánh giá bằng mã nguồn, bằng kiến trúc, bằng các con số kỹ thuật có thể kiểm chứng.
Đối với ByteDance, mã nguồn không tồn tại công khai. Kiến trúc không được tiết lộ. Các con số kỹ thuật không thể kiểm chứng.
Vậy chúng ta còn lại gì?
Chúng ta còn lại một thứ rất nhàm chán nhưng không thể giả mạo: hóa đơn tiền điện và đơn đặt hàng chip.
Nếu bạn muốn biết liệu ByteDance có thực sự đang huấn luyện một mô hình 100 nghìn tỷ tham số hay không, đừng đọc tin tức. Hãy theo dõi các hợp đồng mua GPU của các công ty cung cấp dịch vụ đám mây. Hãy theo dõi các dự án xây dựng trung tâm dữ liệu mới ở những khu vực có điện giá rẻ. Hãy theo dõi giá cổ phiếu của các công ty điện lực, của NVIDIA, của các nhà sản xuất thiết bị làm mát.
Nếu những bên này ghi nhận doanh thu tăng đột biến trong 6 đến 12 tháng tới, thì câu chuyện ByteDance có thể có cơ sở.
Nếu không, thì đó chỉ là một nỗ lực gây quỹ và giữ chân nhân tài bằng một thông cáo báo chí.
Tôi đã thấy điều này nhiều lần trong lĩnh vực stablecoin yield:
Một dự án quảng cáo APY 20% bằng cách cho vay stablecoin trên nhiều giao thức, nghe có vẻ tốt quá để có thể là thật. Và đúng là nó không có thật. Khi thị trường đảo chiều, những khoản lợi nhuận đó bốc hơi, và nhà đầu tư mất trắng.
Những mô hình phức tạp và những con số khổng lồ thường được sử dụng để che giấu sự thiếu vững chắc của nền tảng.
100 nghìn tỷ tham số có thể là một nền tảng thực sự, hoặc có thể là một con số để che giấu thực tế rằng ByteDance vẫn đang loay hoay với một mô hình 50 nghìn tỷ tham số và chưa biết cách làm cho nó hội tụ.
Tôi không khẳng định điều nào đúng.
Tôi chỉ nói rằng: chúng ta không có đủ dữ kiện để kết luận.
Và khi bạn không có đủ dữ kiện, cách duy nhất để bảo vệ mình là không đặt cược.
Phần 6: Góc nhìn phản trực giác: Tham số lớn không tạo ra AI, nó tạo ra cuộc khủng hoảng năng lượng
Đây là phần tôi muốn đưa ra một góc nhìn mà hầu hết các bài báo khác đều bỏ qua:
Nếu ByteDance thực sự thành công trong việc huấn luyện mô hình 100 nghìn tỷ tham số, AI sẽ không phải là chủ đề được nói đến nhiều nhất.
Mà là điện.
Ngành công nghiệp AI toàn cầu hiện tiêu thụ khoảng 460 terawatt-giờ mỗi năm, theo ước tính của Cơ quan Năng lượng Quốc tế. Con số này có thể tăng gấp đôi vào năm 2026.
Một mô hình 100 nghìn tỷ tham số, với chi phí huấn luyện và suy luận khổng lồ, sẽ đẩy nhu cầu điện lên một cấp độ mà lưới điện hiện tại không thể đáp ứng.
Các công ty công nghệ đã bắt đầu mua điện từ các nhà máy điện hạt nhân. Microsoft ký hợp đồng 20 năm với Three Mile Island. Amazon mua một trung tâm dữ liệu chạy bằng điện hạt nhân ở Pennsylvania.
Nếu ByteDance muốn xây dựng một cụm 100.000 GPU, họ sẽ cần một nhà máy điện công suất 500 megawatt đến 1 gigawatt.
Điều đó có nghĩa là họ sẽ phải cạnh tranh với các công ty khai thác crypto, các trung tâm dữ liệu của chính phủ, và người dân địa phương để giành nguồn điện.
Đã có những báo cáo về việc các công ty khai thác Bitcoin ở Texas, Mỹ buộc phải tạm dừng hoạt động trong những tháng hè vì lưới điện quá tải. Nếu AI tiếp tục mở rộng với tốc độ này, các công ty crypto mining sẽ phải đối mặt với áp lực cạnh tranh ngày càng lớn.
Nhưng cũng có một cơ hội đáng chú ý:
Các công ty crypto mining sở hữu những trung tâm dữ liệu với nguồn điện giá rẻ, cơ sở hạ tầng làm mát đã được xây dựng, và kết nối mạng tốc độ cao.
Khi giá crypto giảm, họ có thể chuyển đổi một phần công suất sang cho thuê GPU cho các công ty AI.
Đây là một hiện tượng đã bắt đầu xuất hiện ở Bắc Mỹ, nơi một số công ty khai thác Bitcoin lớn như Core Scientific và Hut 8 đã ký hợp đồng với các công ty AI để cho thuê trung tâm dữ liệu.
Và thị trường crypto sẽ phản ứng với những thay đổi này nhanh hơn bất kỳ thị trường nào khác.
Token của các nền tảng compute phi tập trung như Render, Akash, hoặc IO.net có thể trở thành một kênh đầu tư gián tiếp để cá cược vào sự thành công của dự án ByteDance.
Nhưng hãy nhớ:
Cá cược gián tiếp vẫn là cá cược.
Và cá cược dựa trên một câu chuyện chưa có bằng chứng là một canh bạc.
Tôi không khuyên bạn tham gia canh bạc đó.
Tôi chỉ khuyên bạn nên hiểu rằng nếu cuộc chơi này diễn ra, ai sẽ thắng và ai sẽ thua.
Phần 7: Các tín hiệu cần theo dõi
Nếu bạn vẫn muốn theo dõi câu chuyện này, đừng nghe tôi nói, và cũng đừng nghe những người trên Twitter nói.
Hãy theo dõi những tín hiệu sau:
- Số lượng GPU được đặt hàng.
Khi một công ty mua một lượng lớn GPU, họ phải ký hợp đồng với NVIDIA, AMD hoặc các nhà cung cấp dịch vụ đám mây. Các nhà phân tích, các trang tin công nghệ, và các hãng nghiên cứu thị trường sẽ theo dõi các hợp đồng này. Nếu không có một sự gia tăng đột biến nào trong đơn đặt hàng GPU trong 6 tháng tới, câu chuyện “100 nghìn tỷ tham số” sẽ chỉ là một câu chuyện.
- Chỉ số năng lượng.
Một cụm 100.000 GPU cần nguồn điện khổng lồ. Các tiểu bang như Texas, Georgia, Virginia ở Mỹ, hoặc các khu vực ở Trung Quốc như Nội Mông, đang thu hút các trung tâm dữ liệu. Nếu bạn thấy các báo cáo về nhu cầu điện tăng vọt ở những khu vực mà ByteDance có hiện diện, đó là một tín hiệu thực sự.
- Nhân sự.
Seed, phòng nghiên cứu AI của ByteDance, đang tuyển dụng những kỹ sư có kinh nghiệm huấn luyện mô hình quy mô lớn. Nếu họ thu hút được những nhà nghiên cứu hàng đầu từ Google, Meta, OpenAI, điều đó có nghĩa là dự án có nguồn lực và sự nghiêm túc.
- Các báo cáo tài chính của NVIDIA.
NVIDIA công bố doanh thu mỗi quý. Nếu doanh thu từ Trung Quốc tăng mạnh bất thường, hoặc nếu họ ghi nhận nhu cầu từ các công ty Trung Quốc thông qua các kênh phân phối gián tiếp, đó là một tín hiệu cho thấy các công ty Trung Quốc đang tích trữ GPU.
- Các thay đổi trong chính sách xuất khẩu.
Nếu Mỹ nới lỏng các hạn chế xuất khẩu đối với chip AI trong 12 tháng tới, đó có thể là dấu hiệu cho thấy các công ty như ByteDance đã có đủ nguồn cung và chính phủ Mỹ muốn duy trì lợi thế cạnh tranh.
Ngược lại, nếu các lệnh trừng phạt được thắt chặt hơn, các dự án AI quy mô lớn ở Trung Quốc sẽ gặp khó khăn lớn.
- Các bài đăng trên mạng xã hội của các kỹ sư.
Đừng xem những gì họ nói. Hãy xem họ đang làm việc với loại chip nào, họ gặp phải những vấn đề gì, và họ chia sẻ gì về độ trễ huấn luyện.
Những chi tiết nhỏ nhặt đó đáng tin cậy hơn một thông cáo báo chí một triệu lần.
Phần 8: Kết luận (không phải là tổng kết)
Tôi không biết ByteDance có thực sự đang huấn luyện một mô hình 100 nghìn tỷ tham số hay không.
Tôi không biết họ sẽ thành công hay thất bại.
Tôi biết rằng nếu bạn nhìn vào lịch sử của công nghệ, những bước nhảy vọt thực sự đến từ những đội ngũ ít nói, ít tuyên bố, nhưng có kết quả kiểm chứng được.
Những tuyên bố lớn thường đến từ những công ty đang cố gắng gây quỹ hoặc giữ chân nhân tài.
Khi tôi còn trẻ, tôi từng nghĩ rằng những con số lớn nhất là những con số quan trọng nhất.
Tổng cung token lớn. TVL lớn. Số lượng người dùng lớn.
Tôi đã sai.
Điều quan trọng không phải là con số bạn đạt được, mà là cách bạn đạt được nó.
Một mô hình 100 nghìn tỷ tham số có thể được xây dựng bằng cách cẩu thả, chỉ để đạt được con số ấn tượng, và nó sẽ không hoạt động tốt.
Một mô hình 10 nghìn tỷ tham số được xây dựng một cách tỉ mỉ, với dữ liệu sạch, kiến trúc tốt, và các thuật toán ổn định, có thể vượt trội hơn mô hình 100 nghìn tỷ tham số gấp nhiều lần.
Và điều tương tự cũng đúng với crypto.
Một dự án với 1 triệu người dùng thực sự, doanh thu thực, và mã nguồn sạch sẽ, có giá trị hơn một dự án với 10 tỷ token và không có sản phẩm.
Vậy, câu hỏi cuối cùng dành cho bạn:
Bạn có thực sự tin vào một con số, hay bạn tin vào những gì có thể kiểm chứng?
Khi bạn đọc câu chuyện ByteDance, hãy nhớ đến bài học mà tôi đã học được sau 22 năm trong ngành:
Hào quang marketing không bao giờ thay thế được kết quả kiểm tra.
Trong blockchain, bạn gọi đó là audit.
Trong AI, bạn gọi đó là benchmark.
Trong cuộc sống, bạn gọi đó là trải nghiệm thực tế.
Và khi một thứ gì đó quá lớn, quá đẹp, và quá khó tin, hãy luôn tự hỏi:
“Hóa đơn tiền điện ở đâu?”
Bởi vì ngay cả những mô hình AI mạnh nhất thế giới cũng không thể vận hành khi không có điện.
Và những câu chuyện thổi phồng nhất thế giới cũng không thể tồn tại khi không có sự kiểm chứng.
Hãy kiểm chứng.
Đừng tin.
Đó là cách duy nhất để sống sót trong một thị trường mà ai cũng muốn bán cho bạn một giấc mơ.